CN1933780A - 载荷体状态判定装置、车辆座椅及计算机程序 - Google Patents

Abstract

容易进行人的身心状态的判定、人和物的区别。在利用位移信号收集传感器(10)收集载荷体的位移信号数据，在运算部(20)中将每个原波形的任意区间的变化率作为原波形位移倾斜求出的同时，从多个原波形位移倾斜求出规定时间范围每一个的平均位移倾斜的时间序列数据，再对规定的每个采样时间的平均位移倾斜的时间序列数据进行滑动计算求出强调位移倾斜，从强调位移倾斜的时间序列数据判定载荷体的状态。所以，即使是在汽车行驶中从路面传递的振动等包含在由位移信号收集传感器(10)收集的位移信号数据中，通过从原波形位移倾斜、平均位移倾斜求出强调位移倾斜，可以得到强调低频生体位移信号特有的波动这样的变动的时间序列数据。

Description

载荷体状态判定装置、车辆座椅及计算机程序

技术领域

本发明涉及在汽车、列车、飞机等运输器中使用的交通工具用座椅、事务用的座椅、在医院等之中在检查、诊断等之际人员着座的座椅等各种座椅或坐垫、床垫、床等寝具等本来是以支持人为目的而使用的载荷体支持单元中设置的，实际上可以自动进行由该载荷体支持单元支持的载荷体的状态的判定，特别是适于交通工具用座椅所支持的载荷体的状态判定的载荷体状态判定装置，具备该载荷体种类判定装置的车辆座椅及在载荷体状态判定中使用的计算机程序。

背景技术

为了检测人的生体的状态，比如，是活性状态(睡醒状态)还是睡眠状态，以往可以通过测定脑电波，分析该脑电波图形进行。然而，为了测定脑电波，必须在受检者的头部安装脑电波电极及眼电位电极等制约人的通常动作的环境下进行，比如，要想不将负担施加于驾驶员而对汽车、电车等各种运输机器运行时的生体状态进行学术水平高的评价是困难的。

另一方面，监视运行中的驾驶员的生体状态(身心状态)，近年作为事故预防对策受到注目，比如，在专利文献1(日本专利特开平9-308614号公报)、专利文献2(日本专利特开平10-146321号公报)中提出使用心拍或脉拍，对其进行高斯解析而进行生体状态监视的技术。根据专利文献1及专利文献2中揭示的技术，不需要在头部安装脑电波测定用的大规模装置，可以简易评价驾驶员的生体状态。

发明内容

专利文献1及2中揭示的装置，都是利用安装在座椅的座部的压力传感器对伴随着心脏的跳动产生的体表面振动进行检测的装置。然而，实际上，由于行驶中的车体的振动，要利用该压力传感器只检测伴随着座于座椅的人的拍动而产生的体表面的振动是极其困难的。就是说，即使是要利用这种压力传感器检测伴随拍动而产生的体表面的振动，由于该压力传感器对车体的振动产生的压力变化也可灵敏地检测，要明确区别车体振动产生的信号数据和生体信号是困难的。所以，上述技术，在实用性方面存在如果不是在难以受到外部因素产生的振动的影响的环境下就不能正确地发挥功能的问题。

另一方面，汽车的气囊，在座椅上的载荷体不是人而是物时，不需要张开。在冲突时，比如，尽管在副驾驶席上只不过装载着物的情况下也张开时，会产生无用的修理费。然而，以往在座椅上装载着具有规定重量的物体时，没有自动区别其为物还是人的单元。以往，存在设置根据对支持作为缓冲材料的氨基甲酸乙酯泡沫塑料的弹簧的位移量进行测定并按照位移量的大小检测重量的重量传感器，对重量设定规定阈值，根据座椅上的载荷体的重量是否超过该阈值而区别大人和儿童的装置。但是，即使是使用此种重量传感器，如果是规定重量的物，比如，由于会判定为大人，也不能限制气囊的动作。

本发明是鉴于上述问题而完成的发明，其课题在于提供一种可以对利用位移信号收集传感器从载荷体支持单元的载荷体收集的生体位移信号进行简易而迅速的分析，迅速对生体的状态进行评价的技术。另外，本发明的课题在于提供一种适用于降低汽车行驶时等的外部振动产生的噪声信号的影响，简易而正确判定由车辆座椅支持的载荷体的状态的技术。

此处，脉波等循环系统的生体信号的频带集中在10Hz及其以下频带。呼吸为0.25～0.33Hz，心拍数为0.83～1.17Hz，脉波为0.5～10Hz。因此，以往，通过利用脉波的波形的类型的分析得到血管的硬度、血液粘度等的信息，也可以通过对10Hz以上的频带的噪声设置低通滤波器进行对应。可是，抑制因10Hz以下的频带的噪声的混入而产生的影响很难，只能限制脉波分析的采取现场。

脉波和呼吸等生体信号本身，伴随脉波、呼吸、体动、振颤等肌肉的振动或这些因素适当重叠而产生的振动(在本发明中将这些合并称之为“生体位移信号”)，任何一个在可以作为生体特有的大波动这样的振动(波动振动)来捕捉这一点上具有共通性，可与汽车行驶时输入的相对高频的外部振动相区别。因此，本发明人，着眼于在产生汽车等这样的振动的环境中，在捕捉这些生体位移信号时，使用由位移信号收集传感器获得的信号数据的每个任意区间的位移(振幅)的变化率(原波形位移倾斜)。就是说，即使是信号数据的原波形，比如，由于路面的凸凹产生的突发的振动引起很大位移，在使用对每个任意区间算出的多个原波形位移倾斜对其在每个规定时间范围进行处理时，由噪声信号产生的原波形位移倾斜变成正负抵消的位移(振幅)的倾斜(平均位移倾斜)。另外，在生体位移信号的位移(振幅)的原波形中，比如，有时即使是振幅大，在规定时间中的各区间的原波形位移倾斜小，反之，有时即使是原波形的振幅小，在规定时间中的各区间的原波形位移倾斜大，这是因为接受由于地板振动以外的因素产生的压力变动，即由于受到脉波及呼吸等产生的生体位移信号的压力变动发生重叠之故。所以，在捕捉这种原波形位移倾斜的时间序列变动，求出去掉了大噪声信号的上述平均位移倾斜，并且还使用平均位移倾斜在规定条件下进行滑动(slide)计算时，发现在原波形中捕捉困难的低频的生体位移信号特有的波动这样的变动(波动)得到强调，可以使生体位移信号的变动倾向变得明显。另外，因此，进行与在专利文献1及2中示出的李雅普诺夫指数等高斯解析而分析生体状态的场合相比较，可以更简易且迅速地进行计算，实质上可以实时判定包含载荷体的种类的状态。

就是说，在本发明笫1方面中提供的一种载荷体状态判定装置，是对于从可以收集载荷体支持单元支持的载荷体的生体位移信号的位移信号传感器得到的信号数据进行解析而判定载荷体的状态的载荷体判定装置，其特征在于具有：

根据从上述位移信号收集传感器得到的信号数据，将原波形对每个规定时间范围进行划分，将该规定时间范围中的信号数据的变化率作为平均位移倾斜求出的平均位移倾斜运算单元；

从上述平均位移倾斜的时间序列数据，利用规定的滑动重叠率对规定的每个采样时间的平均位移倾斜的变化率进行规定次数滑动计算求出强调位移倾斜而得到该强调位移倾斜的时间序列数据的强调位移倾斜运算单元；以及

从利用上述强调位移倾斜运算单元得到的强调位移倾斜的时间序列数据判定载荷体的状态的状态判定单元。

在本发明第2方面中提供如第1方面中所述的载荷体状态判定装置，其特征在于：上述位移信号收集传感器是附设在载荷体支持单元之上。

在本发明第3方面中提供如第1方面中所述的载荷体状态判定装置，其特征在于其构成为包括：

上述平均位移倾斜运算单元，在根据从上述位移信号收集传感器得到的信号数据，将原波形对每个规定时间范围进行划分的同时，再在该规定时间范围内划分多个区间，将各区间每一个的变化率作为原波形位移倾斜求出的原波形位移倾斜运算单元；以及

将利用上述原波形位移倾斜运算单元得到的各原波形位移倾斜进行合计的原波形位移合计单元；并且

将利用上述原波形位移倾斜合计单元得到的合计值设定为平均位移倾斜。

在本发明第4方面中提供如第3方面中所述的载荷体状态判定装置，其特征在于：上述原波形位移倾斜运算单元的结构是将与原波形的振幅的上限侧的包络线、下限侧的包络线或任何一个包络线大致平行的曲线和原波形的各交点间作为一个区间而将各区间每个的变化率作为上述原波形位移倾斜求出。

在本发明第5方面中提供如第1方面中所述的载荷体状态判定装置，其特征在于：在上述强调位移倾斜运算单元的滑动计算中使用的采样时间间隔是180秒，滑动重叠率是90％。

在本发明第6方面中提供如第1方面中所述的载荷体状态判定装置，其特征在于：上述状态判定单元在判定载荷体的种类的种类判定单元和在载荷体是人时判定其身心状态的身心状态判定单元之中至少具有其中任何一个单元。

在本发明第7方面中提供如第6方面中所述的载荷体状态判定装置，其特征在于：上述身心状态判定单元，将上述强调位移倾斜的时间序列数据的振幅与前范围的振幅和后范围的振幅进行比较，将变得相对大的范围判定为觉醒状态和睡眠状态之间的入眠过渡期。

在本发明第8方面中提供如第6方面中所述的载荷体状态判定装置，其特征在于：上述种类判定单元，包含在上述强调位移倾斜的时间序列数据，在规定范围内进行推移时判定为物，而在具有超出规定范围的倾斜变化进行推移时判定为人的单元。

在本发明第9方面中提供如第7方面中所述的载荷体状态判定装置，其特征在于：上述种类判定单元，具备在上述强调位移倾斜的时间序列数据，在具有超出规定范围的倾斜变化进行推移时，读出预先在存储部中存储的强调位移倾斜的时间序列数据的基准模式进行比较来确定个人的比较单元。

在本发明第10方面中提供如第1方面中所述的载荷体状态判定装置，其特征在于：其结构为上述载荷体支持单元是车辆座椅，上述位移信号收集传感器附设在座椅缓冲件、座椅背或头枕中的至少一个之上来检测载荷体的生体位移信号产生的压力变动。

在本发明第11方面中提供如第10方面中所述的载荷体状态判定装置，上述载荷体支持单元是车辆座椅，其特征在于：其结构为上述位移信号收集传感器附设在座椅的座椅缓冲件的至少任何一个的一个地点，检测借助载荷体的臀部肌肉的生体位移信号产生的压力变动。

在本发明第12方面中提供如第1方面中所述的载荷体状态判定装置，上述载荷体支持单元是车辆座椅，其特征在于：其结构为上述位移信号收集传感器通过载荷体的生体位移信号检测位移部件的位移量。

在本发明第13方面中提供如第12方面中所述的载荷体状态判定装置，其特征在于：通过载荷体的生体位移信号检测位移部件的位移量的上述位移信号收集传感器也用作检测载荷体的荷重的荷重检测单元。

在本发明第14方面中提供如第1方面中所述的载荷体状态判定装置，其特征在于：其构成包括以与上述位移信号收集传感器不同的另外方式检测载荷体的荷重的荷重检测单元。

在本发明第15方面中提供如第9方面中所述的载荷体状态判定装置，其特征在于：其构成包括以与上述位移信号收集传感器不同的另外方式检测载荷体的荷重的荷重检测单元，在上述比较单元中，将从荷重检测单元得到的载荷体的荷重与预先存储在存储部中的基准荷重进行比较，将该荷重施加到比较要素上，在体格大小之别、大人和儿童的区别、个人的确定之中至少判别某一个要素。

在本发明第16方面中提供如第14方面或15中所述的载荷体状态判定装置，其特征在于：上述荷重检测单元是在载荷体支持单元之中，检测由于载荷体的荷重而发生位移的部件的位移量的位移检测机构。

在本发明第17方面中提供的一种车辆座椅，是具有由于设置在作为载荷体支持部的座椅缓冲件、座椅背或头枕中的至少任何一个的一个地点之上的可以收集由上述载荷体支持部支持的载荷体的生体位移信号产生的该载荷体支持部的位移的位移信号收集传感器和

解析由上述位移信号收集传感器得到的信号数据，判定载荷体的状态的载荷体状态判定装置的车辆座椅；

其特征在于具备：

上述载荷体状态判定装置，根据从上述位移信号收集传感器得到的信号数据，将原波形对每个规定时间范围进行划分，将该规定时间范围中的信号数据的变化率作为平均位移倾斜求出的平均位移倾斜运算单元；

从上述平均位移倾斜的时间序列数据，利用规定的滑动重叠率对规定的每个采样时间的平均位移倾斜的变化率进行规定次数滑动计算求出强调位移倾斜而得到该强调位移倾斜的时间序列数据的强调位移倾斜运算单元；以及

从利用上述强调位移倾斜运算单元得到的强调位移倾斜的时间序列数据判定载荷体的状态的状态判定单元。

在本发明第18方面中提供如第17方面中所述的车辆座椅，其特征在于：

上述载荷体支持单元具备平衡状态的弹簧常数小的除振机构和设置成为与人的肌肉的弹簧特性近似的弹簧特性的缓冲机构；并且

上述位移信号收集传感器设置在上述除振机构和缓冲机构之间。

在本发明第19方面中提供如第18方面中所述的车辆座椅，其特征在于：上述位移信号收集传感器设置在座椅缓冲件中，设置在包含在上述缓冲机构中的表层缓冲材料和铺设在缓冲框架上的包含在上述缓冲机构中的表层缓冲材料之间，可收集经过臀部肌肉的生体位移信号。

在本发明第20方面中提供如第17方面中所述的车辆座椅，其特征在于其构成为包括：

上述载荷体状态判定装置的平均位移倾斜运算单元，根据从上述位移信号收集传感器得到的信号数据，将原波形对每个规定时间范围进行划分的同时，再在该规定时间范围内划分多个区间，将各区间每个的变化率作为原波形位移倾斜求出的原波形位移倾斜运算单元；以及

将利用上述原波形位移倾斜运算单元得到的各原波形位移倾斜进行合计的原波形位移合计单元；并且

将利用上述原波形位移倾斜合计单元得到的合计值设定为平均位移倾斜。

在本发明第21方面中提供如第20方面中所述的车辆座椅，其特征在于：上述载荷体状态判定装置的原波形位移倾斜运算单元的结构是将与原波形的振幅的上限侧的包络线、下限侧的包络线或任何一个包络线大致平行的曲线和原波形的各交点间作为一个区间而将各区间每个的变化率作为上述原波形位移倾斜求出。

在本发明第22方面中提供如第17方面中所述的车辆座椅，其特征在于：在上述载荷体状态判定装置中包含的强调位移倾斜运算单元的滑动计算中使用的采样时间间隔是180秒，滑动重叠率是90％。

在本发明第23方面中提供如第17方面中所述的车辆座椅，其特征在于：上述载荷体状态判定装置的状态判定单元在判定载荷体的种类的种类判定单元和在载荷体是人时判定其身心状态的身心状态判定单元之中至少具有其中任何一个单元。

在本发明第24方面中提供如第23方面中所述的车辆座椅，其特征在于：上述身心状态判定单元，将上述强调位移倾斜的时间序列数据的振幅与前范围的振幅和后范围的振幅进行比较，将变得相对大的范围判定为觉醒状态和睡眠状态之间的入眠过渡期。

在本发明第25方面中提供如第23方面中所述的车辆座椅，其特征在于：上述种类判定单元，包含在上述强调位移倾斜的时间序列数据，在规定范围内进行推移时判定为物，而在具有超出规定范围的倾斜变化进行推移时判定为人的单元。

在本发明第26方面中提供如第17方面中所述的车辆座椅，其特征在于具备检测载荷体的荷重的荷重检测单元。

在本发明第27方面中提供如第23方面中所述的车辆座椅，其特征在于：其构成还包括检测载荷体的荷重的荷重检测单元，在上述比较单元中，将从荷重检测单元得到的载荷体的荷重与预先存储在存储部中的基准荷重进行比较，将该荷重施加到比较要素上，在体格大小之别、大人和儿童的区别、个人的确定之中至少判别某一个要素。

在本发明第28方面中提供的一种计算机程序，是用来由计算机执行对于从可以收集载荷体支持单元支持的载荷体的生体位移信号的位移信号传感器得到的信号数据进行解析而判定载荷体的状态的过程的计算机程序，其特征在于具有：

根据从上述位移信号收集传感器得到的信号数据，将原波形对每个规定时间范围进行划分，将该规定时间范围中的信号数据的变化率作为平均位移倾斜求出的平均位移倾斜运算步骤；

从上述平均位移倾斜的时间序列数据，利用规定的滑动重叠率对规定的每个采样时间的平均位移倾斜的变化率进行规定次数滑动计算求出强调位移倾斜而得到该强调位移倾斜的时间序列数据的强调位移倾斜运算步骤；以及

从利用上述强调位移倾斜运算步骤得到的强调位移倾斜的时间序列数据判定载荷体的状态的状态判定步骤。

在本发明第29方面中提供如第28方面中所述的计算机程序，其特征在于其构成为包括：

上述平均位移倾斜运算步骤，根据从上述位移信号收集传感器得到的信号数据，将原波形对每个规定时间范围进行划分的同时，再在该规定时间范围内划分多个区间，将各区间每个的变化率作为原波形位移倾斜求出的原波形位移倾斜运算步骤；以及

将利用上述原波形位移倾斜运算步骤得到的各原波形位移倾斜进行合计的原波形位移合计步骤；并且

将利用上述原波形位移倾斜合计步骤得到的合计值设定为平均位移倾斜。

在本发明第30方面中提供如第29方面中所述的计算机程序，其特征在于：上述原波形位移倾斜运算步骤的结构是将与原波形的振幅的上限侧的包络线、下限侧的包络线或任何一个包络线大致平行的曲线和原波形的各交点间作为一个区间而将各区间每个的变化率作为上述原波形位移倾斜求出。

在本发明第31方面中提供如第28方面中所述的计算机程序，其特征在于：在上述强调位移倾斜运算步骤的滑动计算中使用的采样时间间隔是180秒，滑动重叠率是90％。在本发明第32方面中提供如第28方面中所述的计算机程序，其特征在于：上述状态判定步骤在判定载荷体的种类的种类判定步骤和在载荷体是人时判定其身心状态的身心状态判定步骤之中至少具有其中任何一个步骤。

在本发明第33方面中提供如第32方面中所述的计算机程序，其特征在于：上述身心状态判定步骤，将上述强调位移倾斜的时间序列数据的振幅与前范围的振幅和后范围的振幅进行比较，将变得相对大的范围判定为觉醒状态和睡眠状态之间的入眠过渡期。

在本发明第34方面中提供如第32方面中所述的计算机程序，其特征在于：上述种类判定步骤，包含在上述强调位移倾斜的时间序列数据，在规定范围内进行推移时判定为物，而在具有超出规定范围的倾斜变化进行推移时判定为人的单元。

根据本发明，其构成为在将由载荷体支持单元支持的载荷体的位移信号数据的原波形的任意区间每个变化率作为原波形位移倾斜求出的同时，从多个原波形位移倾斜求出每个规定时间范围的平均位移倾斜的时间序列数据，再针对每个规定的采样时间滑动计算此平均位移倾斜的时间序列数据而求出强调位移倾斜，并从得到的强调位移倾斜的时间序列数据判定载荷体的状态。

因此，比如，即使是在汽车行驶中从路面传递的振动等包含在由位移信号收集传感器收集的位移信号数据中，如上所述，通过从原波形位移倾斜、平均位移倾斜求出强调位移倾斜，可以得到强调低频生体位移信号特有的波动这样的变动(波动)的时间序列数据。

于是，通过对这样求出的强调位移倾斜的时间序列数据的变动倾向和生体的状态的关系预先进行规定，可以从该变动倾向判断生体状态，是否是比如，觉醒状态、睡眠状态或觉醒和睡眠状态之间的迁移状态(入眠过渡期)。

另外，在载荷体支持单元上放置“物”的情况下，由位移信号收集传感器收集的位移信号数据上不重叠由生体位移信号产生的变动信号。所以，在求出上述这样的强调位移倾斜的时间序列数据时，由于不产生生体信号特有的波动这样的变动(波动)，可以判定为“物”。

另外，在附设荷重检测单元的情况下，与在载荷体是“人”时可以检测到由于体动引起的生体位移信号(运动荷重变动)不同，由于在载荷体是“物”时不会产生那种荷重变动，还可以正确地判定载荷体的种类。另外，在判定载荷体为“人”时，通过考虑由荷重检测单元检测的荷重，可以判定体格大小的区别或大人和儿童的区别。

附图说明

图1为示出安装了本发明的一个实施方式的载荷体状态判定装置的座椅的概略结构的立体图。

图2为示出上述座椅的概略结构的侧视图。

图3为示出上述座椅的概略结构的平面图。

图4为示出位移信号收集传感器的优选配置位置的示意图。

图5为示出上述实施方式的载荷体状态判定装置的概略结构的框图。

图6(a)～(c)为示出状态判定单元的变型的框图。

图7为用来说明平均位移倾斜的计算方法的图。

图8为用来说明滑动计算的方法的图。

图9(a)～(e)为示出在30分钟间的睡眠实验中，为了进行最优倾斜计算，在不同采样时间时的强调位移倾斜的图。图9(f)为示出其峰值系数的图。

图10(a)～(d)为示出在30分钟间的睡眠实验中，为了进行最优倾斜计算，在不同滑动重叠率时的强调位移倾斜的图。图10(e)为示出其峰值系数的图。

图11(a)为示出图9(a)～(e)的频率分析结果的图，图11(b)为示出图10(a)～(d)的频率分析结果的图。

图12为示出针对在180分钟间的睡眠实验中得到的强调位移倾斜的频率分析结果的图，(a)为滑动重叠率为90％，改变采样时间的情况，(b)为采样时间为180秒，改变滑动重叠率的情况。

图13为示出在试验例1中分别对静止状态及运动状态从压力传感器得到的数据的原波形的图。

图14为示出以图13的原波形为基础，由平均位移倾斜运算单元算出的平均位移倾斜的时间序列数据的示图。

图15为示出还经过强调位移倾斜运算单元处理而算出的强调位移倾斜的时间序列变化的图。

图16为示出关于图15的强调位移倾斜的频率分析结果的图。

图17为示出在试验例2的实车试验中测定的指尖容积脉波的原波形的图。

图18为示出试验例2的实车试验的平均位移倾斜的时间序列数据的图。

图19为示出试验例2的实车试验的强调位移倾斜的时间序列数据的图。

图20为示出在试验例2的静止着座试验中测定的指尖容积脉波的原波形的图。

图21为示出试验例2的静止着座试验的平均位移倾斜的时间序列数据的图。

图22为示出试验例2的静止着座试验的强调位移倾斜的时间序列数据的图。

图23为示出在试验例5的人和物的判定试验中从压力传感器得到的原波形的图。

图24为示出利用运算部对图23的原波形进行运算而得到的强调位移倾斜的时间序列变化的图。

图25为示出设置位移检测机构的座椅的座椅缓冲件的结构例的图。

图26为图25的A箭头方向视图。

图27为示出霍尔IC固定用托架的详细情况的图。

图28为示出设置在扭杆上的励磁线圈和拾波线圈的位移检测机构的一个例子的图。

图29为示出设置在扭杆上的励磁线圈和拾波线圈的位移检测机构的另一个例子的图。

图30为示出荷重和拾波线圈的输出电压的相关的曲线图。

图31(a)为示出振动的大小和输出电压的关系的曲线图，图31(b)、(c)为用于说明测定方法的图。

图32为示出使用从荷重检测单元得到的荷重信号时的载荷体状态判定装置的概略结构的框图。

图33(a)为示出试验例3的指尖容积脉波的强调位移倾斜的时间序列数据的示图，(b)为经过臀部肌肉的生体位移信号的强调位移倾斜的时间序列数据的图。

图34为示出在试验例4中测定的指尖容积脉波和脑电波的比较的数据。

具体实施方式

下面根据图面所示的实施方式对本发明进行更详细的说明。图1～图3为在作为载荷体支持单元的汽车等的交通工具用的座椅100上附设了本发明的一个实施方式的载荷体状态判定装置1的状态的概略结构图。载荷体状态判定装置1具备接收由位移信号收集传感器10收集的信号数据并进行解析的运算部20。

可以使用压力传感器作为位移信号收集传感器10。但是，为了在座椅缓冲件、座椅背或头枕中的至少一个之上安装使用，必须在着座时使人不会有异物感，作为压力传感器优选使用，比如，薄膜状的压电元件。作为薄膜状的压电元件，比如，可以使用(株)东京传感器公司的PIEZO FILM LDT系列(制品名)，型号：LDT4-028K/L。另外，位移信号收集传感器10，如上所述，虽然可以安装在座椅缓冲件、座椅背或头枕之中的任何一个的至少一个地点，但优选结构是安装在与人体经常接触的座椅缓冲件中，检测由臀部脉波、呼吸、骨盘的运动或体动等产生并经过臀部肌肉传播的生体位移信号(波动)。另外，虽然也可以是只将一个位移信号收集传感器10配置在坐骨结节下附近的结构，比如，但因为由于长时间的着座采取使臀部向前方偏移的姿势(荐骨姿势)也可能脱离传感器的检测范围，所以除了配置在坐骨结节下附近之外，也可以在其前后等偏离的位置上再配置一个或多个传感器。

另外，在由汽车等的座椅100采取生体位移信号时，希望只使用上述压力传感器，就可以不需要安装特别的测定装置，只要人着座便可采取生体位移信号作为通过肌肉传播的体表面的振动。不过，在利用后述的身心状态判定单元(身心状态判定步骤)23a，进行入眠预兆的检测及疲劳度解析等时，作为噪声更小的信号数据，采取脉波及呼吸等生体信号本身作为生体位移信号为优选。比如，在使人在汽车的助手席着座进行座椅及悬架的性能评价等实验时及在医院等之中在患者的生体评价中使用时，作为这种结构，由于对汽车的运转不会造成障碍，也是有效的。在这种情况下，比如，可以将公知的采取指尖容积脉波的光学式指尖脉波计、采取耳朵脉波的测定器具等用作位移信号收集传感器。

此处，虽然座椅100的结构不受限制，但座椅缓冲件120、座椅背140等的各缓冲结构是可以在将由人的呼吸、心拍(脉波)、体动等产生的肌肉的微小的压力变动传递到位移信号收集传感器10的同时，具有地板振动的除振功能高的性能的装置为优选。图1～图3示出的是具有这种性能的优选座椅100的一个例子。

就是说，该座椅100的座椅缓冲件120，在缓冲件框架121的后部上具有扭杆122，在由该扭杆122向后倒方向附势的臂123上支持后部支持框架124，具备在前部支持框架125和该后部支持框架124之间铺设的基底缓冲材料126。在基底缓冲材料126的上部，如在图2中以想象线所表示的，在缓冲件框架121上设置以低张力铺设的表层缓冲材料127。另外，基底缓冲材料126及表层缓冲材料127，既可以分别用一张缓冲材料形成，也可以在需要时用多张缓冲材料层叠形成。

位移信号收集传感器10设置在基底缓冲材料126和表层缓冲材料127之间。基底缓冲材料126由于是利用扭杆122的弹性力赋予张力的结构，可对地板振动除振。因此，可以消减向表层缓冲材料127的振动传递。另一方面，表层缓冲材料127由于是在缓冲件框架121上以低张力铺设，在着座时人的肌肉(特别是臀部肌肉)受到的压迫小，不会防碍血管的扩张和收缩运动、呼吸或体动等等产生的肌肉运动。因此，可减小外部振动噪声混入到由位移信号收集传感器10收集的信号数据之中，可以更正确地收集由生体位移信号引起的压力变动信号。

表层缓冲材料127，也可以由二维网状材料、薄型氨基甲酸乙酯材料等形成，但为了进一步减小对臀部肌肉等的压迫，优选是在使表层缓冲材料127在缓冲件框架121上铺设之际的弹簧特性尽可能近似臀部肌肉等的弹簧特性的结构。作为具有这种特性的表层缓冲材料127，使用本申请人，比如，在日本专利特开2002336076号公报中揭示的反力小的立体编织物等为优选。立体编织物，比如，使用双拉舍尔编织机等来形成，使连接丝在以规定间隔排列的一对地针织物间往复而织成。另外，基底缓冲材料126，也与表层缓冲材料127一样，可以使用二维的网状材及立体编织物等。

换言之，如图4所示意的那样，利用扭杆122的弹簧材料产生的弹性和由立体编织物等构成的基底缓冲材料126等具有的衰减性，作为静止弹簧特性，在人着座的平衡状态中，在规定的位移量范围内荷重几乎没有增减的具有所谓的弹簧常数零的范围的除振机构和由铺设在缓冲件框架121上的立体编织物构成的表层缓冲材料127这样的具有不压迫与臀部肌肉等的弹簧特性近似的肌肉的弹簧特性的缓冲机构之间配置位移信号收集传感器为优选。

另外，作为具有弹簧常数零的范围的除振机构，不限于由本实施方式这样的扭杆122和基底缓冲材料126的组合而成的机构，如本申请人提出的日本专利特开2003-139192号公报及日本专利特开2002-206594号公报中揭示的，也可以使用由永久磁铁的斥力及吸力和金属弹簧等弹性部件组合而构成的在载荷质量平衡点弹簧常数具有大致为零的区域的除振机构的座椅及悬架等来构成。

另外，如上所述，基底缓冲材料126，铺设在后部支持框架124和前部支持框架125之间，表层缓冲材料127，由于是在缓冲件框架121上铺设成为覆盖基底缓冲材料126的结构，优选是设置补充去载时的复原力的结构。在图1～图3中，作为此种结构，在基底缓冲材料126的下侧从大致中央部起在靠近前端处配置由金属板、合成树脂等构成的硬质的辅助板材128，在通过一端支持在侧框121a上的盘簧129及金属线130对其进行弹性支持的同时，在辅助板材128的上面设置层叠氨基甲酸乙酯材料、立体编织物等缓冲材料131的部件。另外，在缓冲材料131和基底缓冲材料126之间，在宽度方向上配置由橡胶等构成的弹性带状部件132，通过一端支持在侧框121a上的盘簧133对其进行支持。此外，在基底缓冲材料126中，将盘簧134的一端挂在位于后部支持框架124的两侧部附近的部位，使该盘簧134的另端与位于向后方斜向外侧扩张的方向上的辅助构架材135结合。利用配置在后方的盘簧134，在基底缓冲材料126中在前后方向上产生张力的同时，在该张力方向上交叉的张力，通过由弹性带状部件132等产生，补助复原力。另外，由于将辅助板材128配置在靠近基底缓冲材料126的前方，还具有增加臀部附近的保持性、安定感和提高姿势支持功能的功能。

座椅背140由基底缓冲材料141和覆盖该基底缓冲材料141的铺设在背部框架142上的表层缓冲材料(未图示)构成。基底缓冲材料141及表层缓冲材料，与在上述的座椅缓冲件120中使用的一样，使用立体编织物构成。另外，基底缓冲材料141的结构为上端由盘簧144支持在背部框架142的上部，下端由盘簧145支持在缓冲件框架121上，赋予规定的张力，可确保去载时的复原性。

运算部20，经无线或信号缆线与位移信号收集传感器10连接，如图5所示，具有作为程序的平均位移倾斜运算单元(平均位移倾斜运算步骤)21、强调位移倾斜运算单元(强调位移倾斜运算步骤)22及状态判定单元(状态判定步骤)23。

平均位移倾斜运算单元(平均位移倾斜运算步骤)21，是将原波形针对预先设定的规定时间范围每一个(比如，每5秒)进行划分，将该规定时间范围中的信号数据的位移(振幅)的平均变化率求出并将其作为平均位移倾斜得到的单元。通过求出平均位移倾斜，即使是在原波形中包含噪声信号，其影响也变小。平均位移倾斜运算单元21，只要具有此种功能，对其算出方法没有限制，但从可以在简易算出的同时，容易地消除噪声信号的影响方面考虑，优选其结构具有如下的原波形位移倾斜运算单元(原波形位移倾斜运算步骤)21a和原波形位移倾斜合计单元21b。

原波形位移倾斜运算单元(原波形位移倾斜运算步骤)21a，是在上述规定时间范围内，再对划分为多个区间的各区间每一个的位移(振幅)的变化率作为原波形位移倾斜求出的单元。区间数不限定，比如，可以将原波形的上限侧的包络线和原波形的各交点间作为一个区间。图7为其一个例子的图示，振幅的上限侧包络线和原波形邻接的交点P1-P2间、P2-P3间....P7-P8间分别成为一个区间。于是，原波形位移倾斜可通过求出P1-P2间、P2-P3间....P7-P8间的各区间的值的差并除以各区间的时间t1秒、t2秒....t7秒而求得。另外，各区间的设定，比如，也可以将信号数据利用Savitzky和Golay的平滑化微分法，针对波形的位移(振幅)的大小以规定的阈值，优选是以波形的变动幅度的70％作为阈值进行检测而算出上限侧的各峰值，将各峰值间的变化率作为原波形位移倾斜算出。但是，这样算出的各峰值，实际上与上述振幅的上限侧包络线和原波形的交点(P1～P8)大致一致。

作为原波形的算出单元，除此之外，可以将下限侧的包络线和原波形邻接的交点间作为一个区间求出，或者也可以将与上限侧的包络线或下限侧的包络线大致平行的曲线和原波形邻接的交点间作为一个区间求出。另外，在将横切原波形的振幅的大致中心的横切线作为基线之际，在该基线不是直线而是产生成为曲线的基线动摇时，将该基线动摇消除变成直线或者设定与振幅的下限一致的新直线，求出上述的原波形位移倾斜。

在原波形位移倾斜合计单元(原波形位移倾斜合计步骤)21b中，将利用上述的原波形位移倾斜运算单元21a得到的各原波形位移倾斜针对上述规定的时间范围每一个进行合计，将其作为平均位移倾斜设定。所以，在图7的情况下，成为(式1)：

(式1)

在图7中，P4点是噪声信号，但因为通过以上述方式求出时，针对P3-P4间的倾斜成为大的正值，P4-P5间的倾斜成为大的负值，所以通过将这些进行合计，可以使该噪声信号的影响大致抵消。

强调位移倾斜运算单元22使用从平均位移倾斜运算单元21得到的规定时间范围每一个的各平均位移倾斜的值，对该平均位移倾斜的值的规定的采样时间每一个的平均位移倾斜的变化率以规定的滑动重叠(slide lap)率进行规定次数的滑动(slide)计算作为强调位移倾斜求出(参照图8)。滑动计算以下述方式进行。

比如，在以滑动重叠率90％求出T秒(s)间的强调位移倾斜时，首先，使用规定时间范围每一个(比如，每5秒)的各平均位移倾斜的值，利用最小二乘法等求出0(s)～T(s)间的变化率。接着，利用最小二乘法求出

滑动计算(1)：T/10(s)～T+T/10(s)间、

滑动计算(2)：2×T/10(s)～T+2×T/10(s)间、

滑动计算(n)：n×T/10(s)～T+n×T/10(s)间

的各平均位移倾斜的变化率。

于是，比如，在T(s)时点绘出最初得到的平均位移倾斜的值的变化率(强调位移倾斜)的值，在T+T/10(s)时点绘出在下一个滑动计算中得到的强调位移倾斜的值，在T+n×T/10(s)时点绘出在第n次的滑动计算中得到的强调位移倾斜的值，得到强调位移倾斜的时间序列数据。

此处，在进行用于得到强调位移倾斜的滑动计算之际的采样时间(T秒间)180秒间为最优，滑动重叠率为90％为最优。这是从对于数名被实验者在相同环境下进行30分钟的睡眠实验，采取指尖容积脉波进行分析的结果而得到的。图9～图12是示出其一例的示图。

图9(a)～(e)分别是把用于倾斜计算的采样时间间隔定为60秒、120秒、180秒、240秒、300秒，滑动重叠率统一为90％时所示出的强调位移倾斜的时间序列数据，图11(a)示出该频率分析结果。另外，图中，a、b是在入眠过渡期中出现的特征性信号的振幅，其中，a表示一直到被实验者入眠前出现的特征性入眠预兆信号的振幅，b表示从入眠预兆出现之后转移到睡眠的转移状态的信号的振幅。c表示进入睡眠时的睡眠信号的振幅。是觉醒状态还是睡眠状态的判定，是根据第三者的观察及视频摄影的数据测定被实验者的样子变动时间(比如，似睡非睡开始时间、陷入睡眠时间等)，与强调位移倾斜的时间序列数据进行比对而决定的。

于是，在各个之中，根据各征兆信号(此处为入眠预兆信号a、转移状态信号b、睡眠信号c)的时间序列信号，求出倾斜的离散信号的峰值系数：Cf＝Xp/Xs(其中，Xp表示征兆信号的最大振幅，Xs表示在产生征兆信号之前或之后的稳定状态的信号的振幅)，从该值求出倾斜的特征最敏感出现的条件。其结果为图9(f)，从此图可知，作为用于倾斜计算的时间间隔，180秒为灵敏度最佳。设定中央值为180秒的理由是由于疲劳所产生的肌肉活动的指令的发射频度取决于肌肉内的末梢性反射机构承担多之故。换言之，估计与由于疲劳产生的上位中枢的兴奋性的衰减和末梢性的抑制性反射机构的参与而使肌肉活动的指令减少，但当血流正常返回后，在180秒时中枢性的兴奋水准的恢复相关联。

另一方面，对滑动重叠率，在采样时间间隔为180秒时，从70％到95％进行了计算。对于未满70％，由于时间序列数据稀疏而省略。其结果为图10(a)～(d)，图11(b)示出其频频分析结果。从此图可知，在滑动重叠率为90％和95％时，噪声小，在参照表示其峰值系数的图10(e)的曲线后，可知在滑动重叠率为90％时灵敏度最高。由此，明确拾取征兆信号a、b、c的时间间隔为180秒和滑动重叠率为90％，是用于提取成为生体的特征的信息的最优选的条件。

另外，上述的结果是实验时间为30分钟的情况，但在实验时间为180分钟时，如图12(a)、(b)所示，在征兆信号a、b、c的时间间隔为180秒和滑动重叠率为90％的情况下，很明显可以提取特征。

从以上结果，在强调位移倾斜运算单元22中，利用最小二乘法求出对于180秒间的各平均位移倾斜的变化率，接着，以18秒后作为起点利用最小二乘法求出对于180秒间的倾斜为最优。就是说，将进行倾斜计算的时间间隔设定为180秒间，将滑动重叠率设定为90％时，很明显可以提取生体位移信号特有的波动特征(波动)。

此处，循环系统的生体信号的频带集中在10Hz以下的频带。呼吸为0.25～0.33Hz，心拍数为0.83～1.17Hz，脉波为0.5～10Hz。以往的脉波分析，通过脉波的波形的类型的分析得到血管的硬度、血液粘度等的信息，也可以通过对10Hz以上的频带的噪声设置低通滤波器进行对应。可是，抑制10Hz以下的频带的噪声的混入产生的影响很难，只能限制脉波分析的采取现场。另一方面，在产生汽车的振动的环境中，采取的脉波、呼吸、体动生体位移信号，一般是由不规则振动源加振中的振动，在不规则振动源产生的噪声的影响不减小时，提取由于驾驶员的生体振动产生的压力变动信号时，是不实用的。但是，通过进行上述处理得到强调位移倾斜的时间序列数据，可以强调并取出由生体位移信号产生的位移振动数据，并且可以将噪声的影响抑制为很小。

状态判定单元(状态判定步骤)23，基于由强调位移倾斜运算单元22得到的强调位移倾斜的时间序列数据，判定载荷体的状态。具体言之，如图6所示，在载荷体是人时，至少具有判定其身心状态的身心状态判定单元(身心状态判定步骤)23a和判定载荷体的种类的种类判定单元(种类判定步骤)23b之中的任一个单元。

身心状态判定单元23a，将上述强调位移倾斜的时间序列数据的振幅与前范围的振幅和后范围的振幅进行比较，将变得相对大的范围判定为觉醒状态和睡眠状态之间的入眠过渡期。从图9及图10所示的实验结果可知，在达到睡眠之前的规定时间范围中的振幅，与前范围(觉醒状态)的振幅和后范围(睡眠状态)的振幅进行比较出现相对大的特征性信号。所以，将此振幅变大的特征性信号作为入眠预兆信号，在产生这种信号时判定为入眠过渡期。判定入眠预兆信号之际的振幅的大小，优选是与其前范围或后范围进行比较，振幅为两倍以上时点为优选。这一点在对成人男女32人进行图9及图10所示的睡眠实验时，几乎全员都变成2倍以上的振幅。

另外，在图9及图10中，一并算出作为高斯指标的最大李雅普诺夫指数，并一并示出利用与上述强调位移倾斜运算单元同样的方法对该最大李雅普诺夫指数进行滑动计算而计算出的最大李雅普诺夫指数的倾斜的时间序列数据。最大李雅普诺夫指数，主要示出人的精神状态的变化，但从图9(c)的结果可知，在出现入眠预兆信号、迁移状态信号等的入眠过渡期中，在强调位移倾斜的时间序列变化和最大李雅普诺夫指数的倾斜的时间序列变化之间，存在相位180度相反的关系。所以，为了更正确地判定入眠过渡期，还对最大李雅普诺夫指数进行运算，与强调位移倾斜的时间序列数据一并显示，成为判定这种反相位状态是否存在的判定指标为优选。

类别判定单元23b，在强调位移倾斜的时间序列数据进入规定的范围内进行推移时判定为物，而在具有超出规定范围的倾斜变化进行推移时判定为人。如上所述，通过算出平均位移倾斜、强调位移倾斜，减小外部振动噪声，强调位移倾斜的时间序列数据成为捕捉到生体位移信号产生的变动的数据。因此，在载荷体是“物”时，不产生生体位移信号时的强调位移倾斜的时间序列数据，成为时间上的变化不产生极小的波动的数据。因此，在设置规定的阈值，强调位移倾斜随时间的变化在规定的范围内时，判定为“物”，在具有超过规定的范围的时间变化时，由于是由生体位移信号产生的变动，就判定为“人”。

身心状态判定单元23a及种类判定单元23b，如图6(a)、(b)所示，也可以是取决于用途而只具有其中一个的结构，但即使是在交通工具用座椅中，特别是在汽车的情况下，由于人在座椅上着座时及放置物品时的两种情况产生的频度相对地高，如图6(c)所示，具备身心状态判定单元23a及种类判定单元23b两者为优选。

输出单元24，将上述状态判定单元23的结果输出，发送到规定的控制部。比如，在由身心状态判定单元23a检测到入眠预兆信号时，可将输出结果发送到刺激五种感官中的至少一个使之觉醒的适当的觉醒单元的控制部并使其动作。比如，使警报装置动作或使座椅背稍微倾斜动作就可以使其觉醒。在利用种类判定单元23b判定为“物”时，比如，向气囊的控制部发送动作取消信号。

另外，包含上述的平均位移倾斜运算单元(平均位移倾斜运算步骤)21、强调位移倾斜运算单元(强调位移倾斜运算步骤)22、构成状态判定单元(状态判定步骤)23的身心状态判定单元(身心状态判定步骤)23a及种类判定单元(种类判定步骤)23b等而构成的本发明的计算机程序，可以存储于记录媒体进行提供。所谓的“记录媒体”，是可以承载其本身不占据空间的程序的媒体，比如，是软盘、硬盘、CD-ROM、MO(磁光盘)、DVD-ROM等。另外，也可以从安装了涉及本发明的程序的计算机通过通信线路传送给其它计算机。另外，对于通用终端装置，上述程序也可以通过预先安装或下载，构成本发明。

(试验例1)

(噪声信号去除确认试验)

对于在图1～图3所示的座椅缓冲件120的基底缓冲材料126和表层缓冲材料127之间，将附设压力传感器作为位移信号收集传感器10的座椅100设置在不输入外部振动的环境下的情况下(静止状态)和设置在加振机上的情况下(运动状态)进行着座实验。作为基底缓冲材料126使用立体编织物，作为表层缓冲材料127使用在缓冲框架上在拉伸率不到5％的情况下铺设的立体编织物。其他的结构，与上述相同。被实验者，30多岁健康的日本男性，同一被实验者分别在静止状态、运动状态着座30分钟，收集压力传感器的数据。另外，在运动状态中，由包含在1.3Hz中在振幅的P-P值上产生2.0G的冲击性振动的超越凸起的在美国密执安州使用货车采取的随机振动进行激振。

结果示于图13。图13示出对静止状态及运动状态分别从压力传感器得到的数据的原波形。图14示出以压力传感器所得到的原波形为基础，由平均位移倾斜运算单元21算出的平均位移倾斜的时间序列数据的图。图15示出进一步经过强调位移倾斜运算单元处理而算出的强调位移倾斜的时间序列变化。从这些附图可知，在原波形中，确定检测到的信号数据的特征极为困难。另外，在运动状态的数据中包含外部振动的噪声。另一方面，在图14的平均位移倾斜的时间序列数据中的运动状态数据中，虽然利用平均位移倾斜运算单元21减小外部振动噪声的影响，但与静止状态的数据进行比较时，判断两者的近似性很困难。与此相对，图15所示的强调位移倾斜的时间序列数据中的静止状态和运动状态的数据近似。因此，可以知道，本发明，减小由于外部振动产生的噪声信号的影响，适于提取由汽车等的乘员的脉波、呼吸、体动等产生的经过肌肉的体表面的振动(生体位移信号)。

另外，从图15中得到的结果可以确认，在对强调位移倾斜进行频率分析时，如图16所示，静止状态和运动状态的频率分析结果大致一致。

(试验2)

(着座时睡眠试验)

(1)实车试验

将与试验例1同样的座椅装设在汽车的助手席使被实验者着座在市街中行驶，作为生体位移信号的不是由压力传感器产生的臀部肌肉的振动，而是在车内设置光学式指尖脉波计，采取被实验者的指尖容积脉波。于是，研究指尖容积脉波的强调位移倾斜的时间序列数据和身心状态的关系。观察者乘坐在汽车的后部座席对被实验者的状态变化进行观察。另外，被实验者为30多岁的健康的日本女性。结果示于图17～图19。

图17示出指尖容积脉波的原波形，图18示出平均位移倾斜的时间序列数据，图19示出强调位移倾斜的时间序列数据。在此被实验者的情况下可知，在原波形、平均位移倾斜的时间序列数据中的任何一个之中，都产生很大的波动，可以理解为捕捉到生体位移信号，在观察图19的强调位移倾斜的时间序列数据时可知，在5400秒附近起到6000秒附近，对于前后的振幅，产生表示2倍以上的变化的入眠过渡期特有的入眠预兆信号。因此，从图19的强调位移倾斜的时间序列数据，判定图中以数字表示的点1为觉醒状态，点2～点4为入眠过渡期，点5～点6为睡眠状态，与观察者的观察结果比较，与观察结果极其一致。

在图18中，一并算出作为高斯指标的最大李雅普诺夫指数，作为时间序列数据示出，在图19中，对该最大李雅普诺夫指数的时间序列数据，利用与上述的强调位移倾斜运算单元同样的方法进行滑动计算并示出算出的最大李雅普诺夫指数的时间序列数据。此结果，在从5400秒附近起到5600秒附近，可以看到强调位移倾斜的时间序列数据和最大李雅普诺夫指数的倾斜的时间序列数据之间的反相位关系，可以确认是入眠过渡期。

(2)静止着座试验

在实验室内设置与试验例1同样的座椅，使被实验者着座30分钟采取指尖容积脉波，调节强调位移倾斜的时间序列数据和身心状态的关系。在此试验中也由观察者观察被实验者的状态变化。被实验者为20多岁的健康的日本男性。结果示于图20～图22。

图20示出指尖容积脉波的原波形，图21示出平均位移倾斜的时间序列数据，图22示出强调位移倾斜的时间序列数据。在该被实验者的情况下可知，在原波形中捕捉波动很困难。图21的平均位移倾斜的时间序列数据的振幅也不稳定，难以判别在任何时刻产生身心状态的变化(入眠过渡期等)。与此相对，在观察图22的强调位移倾斜的时间序列数据时可知，在700秒附近起到1200秒附近，对于前后的振幅，产生表示2倍以上的变化的入眠过渡期特有的入眠预兆信号。从图22的强调位移倾斜的时间序列数据，判定图中以数字表示的点1为觉醒状态，点2～点4为入眠过渡期，点5～点6为睡眠状态，与观察者的观察结果比较，与观察结果极其一致。

在图21中，一并算出作为高斯指标的最大李雅普诺夫指数，作为时间序列数据示出，在图22中，对该最大李雅普诺夫指数的时间序列数据，利用与上述的强调位移倾斜运算单元同样的方法进行滑动计算并示出算出的最大李雅普诺夫指数的时间序列数据。此结果，在从800秒附近起到1200秒附近，可以明确看到强调位移倾斜的时间序列数据和最大李雅普诺夫指数的倾斜的时间序列数据之间的反相位关系，可以确认是入眠过渡期。

(试验例3)

(指尖容积脉波和经过臀部肌肉采取的生体位移信号的比较)

使被实验者在试验例2的汽车的助手席着座，在山阳汽车道路下行线、宫岛-岩国间行驶，在采取指尖容积脉波的同时，利用压力传感器，经过臀部肌肉，采取包含臀部脉波的生体位移信号。分别调查强调位移倾斜的时间序列数据和身心状态的关系。观察者乘坐在汽车的后部座席对被实验者的状态变化进行观察。另外，被实验者为20多岁的身高168cm、体重85kg的健康的日本男性。结果示于图33。图33(a)为指尖容积脉波的强调位移倾斜的时间序列数据，(b)为经过臀部肌肉的生体位移信号的强调位移倾斜的时间序列数据。

在图33(a)的指尖容积脉波的强调位移倾斜的时间序列数据中，在以650秒附近为峰值的600～740秒附近、在以850秒附近为峰值的740～920秒附近和在以980秒附近为峰值的920～1060秒附近，分别与前后的振幅比较，出现很大的振幅变化，在将其判定为入眠预兆信号的同时，可以判定在1120秒附近达到睡眠。将其与最大李雅普诺夫指数的倾斜的时间序列数据比较时，在上述范围中明确地看到反相位关系，可以确认上述范围是入眠过渡期。为了期望取得判定的正确性，优选是与最大李雅普诺夫指数的倾斜的时间序列数据并用，此时，其结构为判定在观察到上述反相位关系的范围内，在稍微超过双方的峰值时点(在图33(a)中为650秒附近、850秒附近和980秒附近)的时点，产生入眠预兆信号，发出警告的结构为优选。另外，从图33(a)判定的身心状态与观察者的观察结果极其一致。

另一方面，在图33(b)的经过臀部肌肉采取的生体位移信号的强调位移倾斜的时间序列数据中，在以680秒附近为顶点的670～720秒附近、在以810秒附近为顶点的780～900秒附近和在以940秒附近为顶点的920～980秒附近，分别与前后的振幅比较，出现很大的振幅变化，在可以将其判定为入眠预兆信号的同时，可以判定在1120秒附近达到睡眠。另外，在将其与最大李雅普诺夫指数的倾斜的时间序列数据比较时，确认在上述范围中为反相位关系。此时，与上述一样，其结构为判定在观察到反相位关系的范围内稍微超过双方的峰值的时点，产生入眠预兆信号，发出警告的结构为优选。图33(b)的数据当然不会与图33(a)的数据完全一致，但可以判定示出大致相同的倾向，即使是在经过臀部肌肉采取生体位移信号时，也可以以与指尖容积脉波相匹敌的精度判定人的身心状态。在指尖容积脉波的场合，在车内设置光学式指尖脉波计，手指受到约束，而在经过臀部肌肉采取生体位移信号时，对于测定不需要特别的约束，由于可以是通常的乘车，作为汽车等的乘员的身心状态，特别是，驾驶员的身心状态的判定系统是合适的。

(试验例4)

(指尖容积脉波和脑电波的比较)

使被实验者横卧在设置在实验室内的床上进行睡眠实验，采取指尖容积脉波，调查强调位移倾斜的时间序列数据和身心状态的关系。另外，同时还在头部安装脑波计测定脑电波。被实验者为30多岁的健康的日本女性。图34示出通过本实验测定的约30分钟的强调位移倾斜的时间序列数据、最大李雅普诺夫指数的倾斜的时间序列数据、实测的脑电波波形、脑电波的解析波形及解析波形的频率分析。

首先，在观察指尖容积脉波的强调位移倾斜的时间序列数据时，在以450秒附近为峰值的360～500秒附近(A区间)和在以650秒附近为峰值的500～720秒附近(B区间)，与前后的振幅比较，出现很大的振幅变化。另外，在450秒附近及在650秒附近出现与最大李雅普诺夫指数的倾斜的时间序列数据的反相位关系。所以，可以判定其附近是入眠预兆信号。于是，由于振幅变化在860～900秒附近平静下来，可以判定在其附近达到睡眠。

另一方面，脑波计中的测定结果为出现在A区间中连续发现α波，在B区间变化为断续地发现α波，在C区间θ波占优的同时，在860～900秒附近α波完全消失，在D区间中β波出现的现象。由此结果可知，达到睡眠的时点的判定，是α波完全消失的时点(860～900秒附近)，这与根据指尖容积脉波的强调位移倾斜的判定大致一致。

此处，在脑波计中，由于在A区间、B区间中出现α波，定义为觉醒期。另一方面，将α波消失β波占优的状态称为睡眠状态。另外，在脑波计中，α波的出现是断续的，可以将其后急速地过渡到入眠前的阶段，即从B区间的后半到C区间的前半，判定为入眠预兆期，在此时点即使是发出警告，对于汽车驾驶员等而言，作为警告时机已是过迟。就是说，α波断续出现的状态已经是迷迷糊糊的状态，由于急速达到入眠，对于防止交通事故于未然，没有充裕的时间。

与此相对，在利用图34的指尖容积脉波的强调位移倾斜的时间序列数据进行判定时，可知在根据脑波计连续出现α波而判定为觉醒期的A区间中，可以检测到示出与前后的时间序列明显不同的位移振幅的入眠预兆信号(在450秒附近)，可以比脑波计更快地检测到入眠预兆。所以，利用生体位移信号的强调位移倾斜的身心状态的判定方法，作为对驾驶员的警告系统特别有效。

(试验例5)

(人和物的判定试验)

在和试验例1的运动状态试验相同的条件下，就是说，在加振机上设置图1所示的座椅100，以在美国密执安州采用的随机振动进行加振，在人着座的情况下和在座椅缓冲件120上载置货物的情况下，使用压力传感器收集压力变动作为信号数据。被实验者为体重47kg的日本女性，货物使用40kg的重物部件。结果示于图23及图24。

如图23所示，在从压力传感器得到的数据的原波形中，混入由随机振动产生的压力变动信号作为噪声信号。因此，在人的情况和物(货物)的情况中的任何一个情况下，原波形都是随机改变的，不能确定在得到的信号中是否包含生体信号。就是说，不可能设定可以明确区别人和物的阈值。

另一方面，图24是利用运算部20对图23的原波形进行运算而得到的强调位移倾斜的时间序列变化。在图24中，在物(货物)的情况下，时间序列变化未显示出很大的变动，容纳在规定的变动范围之中。与此相对，在人的情况下，与物的时间序列变化比较，具有明显大的变动范围。就是说，在强调位移倾斜的时间序列变化容纳在规定的范围内时，可以判定为物，在超出规定的范围时，可以判定为人。所以，在以倾斜零为中心以规定的宽度设定阈值时，可以正确地判定人和物的区别。由于区别人和物的规定的范围的值(阈值)因使用的传感器的种类及性能而异，不能一概而论地确定，一般强调位移倾斜的时间序列变化的平均值，可以设为在容纳于人的情况的1/2以下的范围的情况，优选是容纳于1/3以下的范围的情况。

于是，这样一来，在判定座椅上的载荷体为“人”或“物”时，如上所述，借助输出单元24，可将该信号输出到气囊的动作控制部完成规定的控制。

另外，本发明并不限于上述的实施方式。在上述实施方式中，在状态判定单元23中，根据强调位移倾斜的时间序列变化，只判定人的身心状态或人和物的区别，但强调位移倾斜的时间序列变化，无论是运动状态，还是静止状态，如图15所示，针对每个人具有一定程度的特征。另外，在进行如图16所示的频率分析时，运动状态和静止状态大致一致，通过不仅考察强调位移倾斜的时间序列变化，而且也一并考察频率分析，将某个个人的基准模式存储到计算机的存储部，就可以启动由状态判定单元23设定的作为程序的比较单元(比较步骤)23c，比较新检测到的强调位移倾斜的时间序列变化及频率分析结果是否与基准模式近似而进行个人的确定(参照图31)。由此，比如，如果设置对通过驾驶席上有人着座时的生体信号的检测、进行强调位移倾斜的算出及频率分析而得到的结果进行其是否与基准模式一致的判定，并且只在一致时可以启动引擎的控制电路的话，就可以用作汽车的防盗系统(参照图31)。

另外，通过采用可将利用载荷体状态判定装置1得到的生体信号信息从输出单元24发送到外部接收机(未图示)的结构，比如，在急救队员不容易接近的重大交通事故中，在本发明的载荷体状态判定装置1工作的情况下，通过在急救队员一侧设置外部接收机，就可以得到乘员的生存信息。因此，与不了解这种生存信息而进行急救活动的情况相比，可以期待采取更合适的急救活动。另外，如上所述，通过采用可以将生体信号信息从输出单元24发送到外部的结构，通常的驾驶行驶时的心跳停止、呼吸停止等异常状态也可以由外部接收机检测到，在这种情况下也可以期待更迅速的急救对应行动。

此外，本发明的载荷体状态判定装置1，也可以具有检测载荷体的荷重的荷重检测单元。比如，座椅缓冲件30具有图25所示的结构，其构成包括附设的作为荷重检测单元的位移检测机构。图25的座椅缓冲件30，在后方横方向(宽度方向)上配置的后部框架30a上具有2个托架31，在此托架31，31上支持扭杆32，该扭杆32与2个臂33，33连接，在此臂33、33上配置支持框架34，在该支持框架34和前端框架35之间铺设立体编织物等的基底缓冲材料36。由此，在铺设在缓冲材料框架上的表层缓冲材料(未图示)上载置人或物时，由于扭杆32的弹性，臂33及支持框架34前后转动发生位移。所以，通过检测此臂33的位移，就可以检测出荷重。

作为位移检测机构，在图24～27中，使用由作为磁性传感器的霍尔IC40和磁铁45的组合构成的机构。霍尔IC40，如图26及图27所示，在霍尔IC固定用托架41上以大致等间隔近似成圆弧形状配置3个，该霍尔IC固定用托架41固定在托架31的侧面，托架31固定在后部框架30a上。另一方面，磁铁45，固定在臂33的侧面，与霍尔IC固定用托架41对置设置。臂33，由于人着座基底缓冲材料36下沉而向前倒方向转动。所以，在转动量改变时，磁铁45的磁场作用的近似成圆弧形状配置的3个霍尔IC40的各个的输出电压根据磁通密度而改变。利用这一点，规定各霍尔IC40的输出电压的变动和臂45的转动角度的相关性及臂45的转动角度和荷重的相关性，通过将其与上述实施方式一样地在微机中进行设定，就可以检测在座椅缓冲器30上着座的人或物的荷重。

在图26及图27中，在托架31的侧面设置霍尔IC固定用托架41的同时，在臂33的侧面配置磁铁45。在这样设置时，伴随臂33的回转，相对磁铁45的霍尔IC固定用托架41的对置部错开。在发生这种错开时，假设只设置一个霍尔IC40时，由于霍尔IC40指向性高，也有难于检测磁场的场合。所以，在将磁铁45固定在臂33的侧面时，在固定在托架31的侧面的霍尔IC固定用托架41上，与臂33(磁铁45)的转动范围相对应，以近似圆弧形状设置多个霍尔IC40是优选。另外，采用配置伴随臂33的位移而转动的涡轮等齿轮机构(未图示)，在该齿轮机构的任意部位安装磁铁45等等使臂33的转动角度放大的结构，由于可以增加荷重的检测精度，是优选。

另外，作为位移检测机构，除此之外，也可以使用附设在扭杆32上，直接测定扭杆32的畸变的应变片(未图示)。另外，如图28所示，也可以使用在扭杆32上绕制励磁线圈200和拾波线圈(二次线圈)210，由交流电源220使感应电流流过励磁线圈200，测定从拾波线圈210得到的感应电压的位移检测机构。因为由载荷体的荷重在扭杆32中引起的应力会变化，使感应电压改变。图30为示出静止荷重和拾波线圈的输出电压的相关性的曲线图，如此图所示，在荷重增加时，磁阻上升，输出电压变小。另外，图31(a)为示出振动的大小和输出电压的关系的曲线图。如图31(b)所示，这是一种研究在将与扭杆500连接的臂510上悬挂40kg的重物520，如图31(c)所示，向下拉开10mm时的电压变化的装置。在扭杆500上绕制励磁线圈和拾波线圈(未图示)，励磁频率为50Hz，采样时间为10μs，进行测定。从图31(a)可知，随着衰减，电压变化减小，可以检测振动的变化。

对设置在扭杆32上的励磁线圈200、拾波线圈的配置没有限制，拾波线圈，如图29所示，优选是在扭杆的一端侧和另一端侧离开绕制2个拾波线圈210、211。扭杆32，由于是以一端侧为中心扭转，在一端侧和另一端侧存在应力差，由于此应力差的作用输出电压改变。但是，在扭杆32上有外部输入作用时，就像间隙等那样，由于座椅结构方面产生的运动也起作用。因此，在拾波线圈为一个时，由于是绕制在扭杆32的周围，尽管扭杆32应力不改变，只因为拾波线圈稍微有些移动，就会产生输出电压。与此相对，在拾波线圈210、211为两个时，即使是产生由这种拾波线圈引起的输出电压，但因为两个线圈210、211一起移动，该输出电压互相抵消，可靠性提高。

这样一来，在设置荷重检测单元的情况下，其结构为，如图31所示，由荷重检测单元得到的荷重信号输入到运算部20。于是，在状态判定单元(步骤)23的种类判定单元23b中，通过一并判定是否存在荷重变动，在时间序列中存在荷重变动时，由于产生体动，可以判定为“人”，判定结果的正确性提高。

另外，在状态判定单元23中设定的比较单元(比较步骤)23c中，考虑基于荷重信号的荷重，与预先存储于存储部中的基准荷重进行比较，可以进行体格大小的区别、大人和儿童的区别或进行个人的确定。特别是，在进行大人和儿童的区别时有效。另外，在进行个人的确定(区别是否同一人物)上，通过在强调位移倾斜的时间序列变化之上，考虑荷重及后述的荷重的波动变动，由于可以判定预先登录的基准荷重后及生体认证的基准值是否一致，所以可以更正确地确定个人。

此处，通过使用上述励磁线圈的位移检测机构等的荷重检测单元，可以检测由于体动引起的运动荷重变动这一点，在假定其为时间序列数据时，可以示出作为生体位移信号之一的体动引起的生体的波动变动。因此，不是将荷重检测单元设置成为承担与压力传感器不同的功能，也可以代替压力传感器，作为本发明的位移信号收集传感器使用。

另外，在上述的说明中，作为载荷体支持单元，列举的例子有在汽车、列车、飞机等运输机器中使用的交通工具用座椅、事务用的座椅、在医院等之中在检查及诊断等之际人员着座的座椅等或坐垫、床垫、床等寝具等也可适用本发明。但是，由于可以减小噪声的影响、正确判定身心状态及人和物的区别，所以适用于交通工具用座椅。

Claims (34)

1.一种载荷体状态判定装置，是对于从可以收集载荷体支持单元支持的载荷体的生体位移信号的位移信号收集传感器得到的信号数据进行解析而判定载荷体的状态的载荷体判定装置，其特征在于具有：

平均位移倾斜运算单元，根据从上述位移信号收集传感器得到的信号数据，针对每个规定时间范围划分原波形，将该规定时间范围中的信号数据的变化率作为平均位移倾斜来求出；

强调位移倾斜运算单元，从上述平均位移倾斜的时间序列数据，利用规定的滑动重叠率对规定的每个采样时间的平均位移倾斜的变化率进行规定次数滑动计算求出强调位移倾斜而得到该强调位移倾斜的时间序列数据；以及

状态判定单元，从利用上述强调位移倾斜运算单元得到的强调位移倾斜的时间序列数据判定载荷体的状态。

2.如权利要求1中所述的载荷体状态判定装置，其特征在于：

上述位移信号收集传感器附设在载荷体支持单元上。

3.如权利要求1中所述的载荷体状态判定装置，其特征在于包括：

原波形位移倾斜运算单元，上述平均位移倾斜运算单元在根据从上述位移信号收集传感器得到的信号数据，针对每个规定时间范围划分原波形的同时，再在该规定时间范围内划分多个区间，将各区间每一个的变化率作为原波形位移倾斜来求出；以及

原波形位移合计单元，将由上述原波形位移倾斜运算单元得到的各原波形位移倾斜进行合计，

其中，将由上述原波形位移倾斜合计单元得到的合计值设定为平均位移倾斜。

4.如权利要求3中所述的载荷体状态判定装置，其特征在于：

上述原波形位移倾斜运算单元的结构是将与原波形的振幅的上限侧的包络线、下限侧的包络线或任何一个包络线大致平行的曲线和原波形的各交点间作为一个区间而将各区间每一个的变化率作为上述原波形位移倾斜求出。

5.如权利要求1中所述的载荷体状态判定装置，其特征在于：

在上述强调位移倾斜运算单元的滑动计算中使用的采样时间间隔是180秒，滑动重叠率是90％。

6.如权利要求1中所述的载荷体状态判定装置，其特征在于：

上述状态判定单元在判定载荷体的种类的种类判定单元和在载荷体是人时判定其身心状态的身心状态判定单元之中至少具有其中一个单元。

7.如权利要求6中所述的载荷体状态判定装置，其特征在于：

上述身心状态判定单元，将上述强调位移倾斜的时间序列数据的振幅与前范围的振幅或后范围的振幅进行比较，将变得相对大的范围判定为觉醒状态和睡眠状态之间的入眠过渡期。

8.如权利要求6中所述的载荷体状态判定装置，其特征在于：

上述种类判定单元，包含：在上述强调位移倾斜的时间序列数据收敛于规定范围内进行推移时判定为物，而在具有超出规定范围的倾斜变化进行推移时判定为人的单元。

9.如权利要求7中所述的载荷体状态判定装置，其特征在于：

上述种类判定单元，包括：在上述强调位移倾斜的时间序列数据具有超出规定范围的倾斜变化进行推移时，读出预先在存储部中存储的强调位移倾斜的时间序列数据的基准模式并进行比较来确定个人的比较单元。

10.如权利要求1中所述的载荷体状态判定装置，其特征在于：

其结构为：上述载荷体支持单元是交通工具用座椅，上述位移信号收集传感器附设在座椅缓冲件、座椅背或头枕中的至少一个之上来检测载荷体的生体位移信号产生的压力变动。

11.如权利要求10中所述的载荷体状态判定装置，其特征在于：

其结构为：上述载荷体支持单元是交通工具用座椅，上述位移信号收集传感器附设在座椅的座椅缓冲件的至少一个位置，检测通过载荷体的臀部肌肉的生体位移信号产生的压力变动。

12.如权利要求1中所述的载荷体状态判定装置，其特征在于：

其结构为：上述载荷体支持单元是交通工具用座椅，上述位移信号收集传感器通过载荷体的生体位移信号检测位移部件的位移量。

13.如权利要求12中所述的载荷体状态判定装置，其特征在于：

通过载荷体的生体位移信号检测位移部件的位移量的上述位移信号收集传感器也用作检测载荷体的荷重的荷重检测单元。

14.如权利要求1中所述的载荷体状态判定装置，其特征在于：

独立于上述位移信号收集传感器，包括：检测载荷体的荷重的荷重检测单元。

15.如权利要求9中所述的载荷体状态判定装置，其特征在于包括：

独立于上述位移信号收集传感器，包括：检测载荷体的荷重的荷重检测单元，

在上述比较单元中，将从荷重检测单元得到的载荷体的荷重与预先存储在存储部中的基准荷重进行比较，将该荷重施加到比较要素上，在体格大小之别、大人和儿童的区别、个人的确定之中至少判别某一个要素。

16.如权利要求14或15中所述的载荷体状态判定装置，其特征在于：

上述荷重检测单元是在载荷体支持单元之中，检测由于载荷体的荷重而发生位移的部件的位移量的位移检测机构。

17.一种交通工具用座椅，具有：设置在载荷体支持部即座椅缓冲件、座椅背或头枕中的任一个的至少一个地点上，可以收集由上述载荷体支持部支持的载荷体的生体位移信号产生的该载荷体支持部的位移的位移信号收集传感器；解析由上述位移信号收集传感器得到的信号数据，判定载荷体的状态的载荷体状态判定装置，所述交通工具用座椅的特征在于包括：

上述载荷体状态判定装置，根据从上述位移信号收集传感器得到的信号数据，针对每个规定时间范围划分原波形，将该规定时间范围中的信号数据的变化率作为平均位移倾斜求出的平均位移倾斜运算单元；

从上述平均位移倾斜的时间序列数据，利用规定的滑动重叠率对规定的每个采样时间的平均位移倾斜的变化率进行规定次数滑动计算，求出强调位移倾斜而得到该强调位移倾斜的时间序列数据的强调位移倾斜运算单元；以及

从利用上述强调位移倾斜运算单元得到的强调位移倾斜的时间序列数据判定载荷体的状态的状态判定单元。

18.如权利要求17中所述的交通工具用座椅，其特征在于：

上述载荷体支持部具备平衡状态中的弹簧常数小的除振机构和设置成为与人的肌肉的弹簧特性近似的弹簧特性的缓冲机构，

其中，上述位移信号收集传感器设置在上述除振机构和缓冲机构之间。

19.如权利要求18中所述的交通工具用座椅，其特征在于：

上述位移信号收集传感器设置在座椅缓冲件中，设置在包含在上述除振机构中的基底缓冲材料和铺设在缓冲框架上包含在上述缓冲机构中的表层缓冲材料之间，可收集经过臀部肌肉的生体位移信号。

20.如权利要求17中所述的交通工具用座椅，其特征在于为包括：

上述载荷体状态判定装置的平均位移倾斜运算单元，根据从上述位移信号收集传感器得到的信号数据，针对每个规定时间范围划分原波形的同时，再在该规定时间范围内划分多个区间，将各区间每个的变化率作为原波形位移倾斜求出的原波形位移倾斜运算单元；以及

将由上述原波形位移倾斜运算单元得到的各原波形位移倾斜进行合计的原波形位移合计单元，

其中，将由上述原波形位移倾斜合计单元得到的合计值设定为平均位移倾斜。

21.如权利要求20中所述的交通工具用座椅，其特征在于：

上述载荷体状态判定装置的原波形位移倾斜运算单元的结构是将与原波形的振幅的上限侧的包络线、下限侧的包络线或任何一个包络线大致平行的曲线和原波形的各交点间作为一个区间而将各区间每一个的变化率作为上述原波形位移倾斜求出。

22.如权利要求17中所述的交通工具用座椅，其特征在于：

在上述载荷体状态判定装置中包含的强调位移倾斜运算单元的滑动计算中使用的采样时间间隔是180秒，滑动重叠率是90％。

23.如权利要求17中所述的交通工具用座椅，其特征在于：

上述载荷体状态判定装置的状态判定单元在判定载荷体的种类的种类判定单元和在载荷体是人时判定其身心状态的身心状态判定单元之中至少具有其中一个单元。

24.如权利要求23中所述的交通工具用座椅，其特征在于：

上述身心状态判定单元，将上述强调位移倾斜的时间序列数据的振幅与前范围的振幅或后范围的振幅进行比较，将变得相对大的范围判定为觉醒状态和睡眠状态之间的入眠过渡期。

25.如权利要求23中所述的交通工具用座椅，其特征在于：

上述种类判定单元，包含：在上述强调位移倾斜的时间序列数据收敛于规定范围进行推移时判定为物，而在具有超出规定范围的倾斜变化进行推移时判定为人的单元。

26.如权利要求17中所述的交通工具用座椅，其特征在于还具备：

检测载荷体的荷重的荷重检测单元。

27.如权利要求23中所述的交通工具用座椅，其特征在于还包括：

检测载荷体的荷重的荷重检测单元，

在上述比较单元中，将从荷重检测单元得到的载荷体的荷重与预先存储在存储部中的基准荷重进行比较，将该荷重施加到比较要素上，在体格大小之别、大人和儿童的区别、个人的确定之中至少判别某一个要素。

28.一种计算机程序，是用来由计算机执行对于从可以收集载荷体支持单元支持的载荷体的生体位移信号的位移信号传感器得到的信号数据进行解析而判定载荷体的状态的过程的计算机程序，其特征在于具有：

平均位移倾斜运算步骤，根据从上述位移信号收集传感器得到的信号数据，针对每个规定时间范围划分原波形，将该规定时间范围中的信号数据的变化率作为平均位移倾斜求出；

强调位移倾斜运算步骤，从上述平均位移倾斜的时间序列数据，利用规定的滑动重叠率对规定的每个采样时间的平均位移倾斜的变化率进行规定次数滑动计算求出强调位移倾斜而得到该强调位移倾斜的时间序列数据；以及

状态判定步骤，从利用上述强调位移倾斜运算步骤得到的强调位移倾斜的时间序列数据判定载荷体的状态。

29.如权利要求28中所述的计算机程序，其特征在于其构成为包括：

原波形位移倾斜运算步骤，上述平均位移倾斜运算步骤，根据从上述位移信号收集传感器得到的信号数据，针对每个规定时间范围划分原波形的同时，再在该规定时间范围内划分多个区间，将各区间每个的变化率作为原波形位移倾斜来求出；以及

原波形位移合计步骤，将由上述原波形位移倾斜运算步骤得到的各原波形位移倾斜进行合计，

其中，将由上述原波形位移倾斜合计步骤得到的合计值设定为平均位移倾斜。

30.如权利要求29中所述的计算机程序，其特征在于：

上述原波形位移倾斜运算步骤的结构是将与原波形的振幅的上限侧的包络线、下限侧的包络线或任何一个包络线大致平行的曲线和原波形的各交点间作为一个区间而将各区间每一个的变化率作为上述原波形位移倾斜求出。

31.如权利要求28中所述的计算机程序，其特征在于：在上述强调位移倾斜运算步骤的滑动计算中使用的采样时间间隔是180秒，滑动重叠率是90％。

32.如权利要求28中所述的计算机程序，其特征在于：

上述状态判定步骤在判定载荷体的种类的种类判定步骤和在载荷体是人时判定其身心状态的身心状态判定步骤之中至少具有其中一个步骤。

33.如权利要求32中所述的计算机程序，其特征在于：

上述身心状态判定步骤，将上述强调位移倾斜的时间序列数据的振幅与前范围的振幅或后范围的振幅进行比较，将变得相对大的范围判定为觉醒状态和睡眠状态之间的入眠过渡期。

34.如权利要求32中所述的计算机程序，其特征在于：

上述种类判定步骤，包含：在上述强调位移倾斜的时间序列数据收敛于规定范围内进行推移时判定为物，而在具有超出规定范围的倾斜变化进行推移时判定为人的单元。

Images